用“DNA活字印刷术”给AI造生物数据，「涌源合生」获5000万天使轮融资｜36氪首发

文｜胡香赟

编辑｜海若镜

36氪获悉，涌源合生科技（深圳）有限公司（下称“涌源合生”）近期已完成5000万元天使轮融资。本轮融资由顺为资本、云沐资本联合投资。本轮募集资金将用于生产高价值数据集、扩大自研创新的DNA合成技术产能和进一步建设数据铸造基础设施。

涌源合生定位“AI+生物领域的数据铸造平台”，为科研机构、药企和模型团队提供从序列构建、功能实验到数据整理的一体化服务，并交付AI-ready的序列—功能数据集。

创始人兼CEO杨宗颖解释，之所以选择这个方向创业，是因为对AI生物设计团队而言，生成候选序列之后，还有一个必须通过实验回答的问题：这些设计在指定条件下究竟表现如何，下一轮应该继续优化哪些方向？“我们希望承接这一环节，将DNA构建、功能测定和数据整理连接起来，围绕客户的研发问题生产序列—功能数据。数据既可以用于模型训练，也可以用于评估模型、比较候选方案和安排下一轮实验。”

图源：涌源合生

2015年，杨宗颖在帝国理工学院攻读合成生物学硕士期间发现，虽然学科热度高涨，实验室的研究范式仍较为原始。“例如，人类细胞内有 2 万多个基因，但研究者往往只改动很少量的基因节点，再观测系统变化，所能获取的信息十分有限。”

既然仅靠人类“手搓”很难解码复杂的生命系统，更擅长从海量数据中挖掘规律的AI能否带来新的突破？

带着这个想法，杨宗颖后赴英国纽卡斯尔大学攻读计算机博士，研究利用机器学习开展基因组设计。研究开展不久，他发现，相较于算力、算法，真正的缺口在于训练模型所需的大量生物数据。而这类数据之所以稀少，很大程度上卡在初始环节：DNA合成成本太高。

市面上的主流DNA合成方法有化学合成、以Twist为代表的芯片高通量合成，以及新兴的TdT酶促合成方法。这些路径在技术维度各有优势，但综合来说，在成本、速度、合成长度这三个维度上，很难全面支撑AI所需的海量数据供给。

因此，杨宗颖决定，突破传统框架的底层逻辑，找到一套新的DNA合成方法，来解决生产数据的成本问题。他将其称为“DNA活字印刷术”。

简单理解，传统DNA合成的底层逻辑是逐个拼接单个核苷酸。以化学合成为例，其单步准确率虽高，达到99.5%，但单次一般只能合成200碱基以内的片段，要得到1000碱基的基因还需再拼接组装。如果按单步准确率推算，999次反应之后，最终产物的正确率已大幅降低，后续质控筛选也因此需要投入更大成本。再叠加原料浪费、人力等成本项，DNA合成价格长期维持在较高水平。

“DNA活字印刷”不再逐个拼接单个碱基，而是预先搭建“DNA活字库”。活字库由预制双链模块组成，覆盖高频使用的序列组合，可以像活字一样反复调用。

“接到订单后，我们先通过智能算法规划合成路径，选择最优的DNA活字模块组合，依靠自主开发的多酶体系完成顺序组装。这样，原本可能需要做999次的反应，现在只需约99次；此外，酶介导的组装反应单步准确率也更高，我们的单碱基合成保真度达到99.95%。通过降低反应次数、提高单步准确率，最终的正确产物比例会明显提升，质控成本也随之下降。”杨宗颖解释。

另据介绍，活字模块采用结构稳定的双链形式，能合成出传统工艺难以合成的复杂序列，例如高GC含量（超过80%）、极低GC含量（低于15%）、发卡结构、串联重复序列等；且活字模块一次制备后可反复长期调用，分摊到每次使用的成本被大幅摊薄。整套流程集成到自动化生产线后，人力成本也有望压缩。

据涌源合生提供的数据，公司的单碱基合成成本已降至0.05元以下，约为传统商业化水平的1/10；10kb长度DNA的交付周期缩短至7天以内，而传统方案通常需要21-35天。目前该技术在实验室环境可稳定复现，公司正攻克工厂级的大批量稳定生产。

不过，合成更便宜的DNA只解决了部分问题。“我们的初衷是解决AI所需的生物数据缺口，而低成本产出生物数据的前提是拥有较为完备的DNA合成能力。在此之后，更核心的工作是向下游延伸，将序列转化为实验数据，供给科研机构、药企或大模型公司。”杨宗颖表示。

要让序列变成可用于训练AI的数据，还需让序列和功能“成对出现”。例如，对于抗体，就是一条抗体序列对应它在某个靶点上的结合强度数值。而涌源合生要做的事，就是成批地把这种配对关系生产出来，一次合成上千条候选序列，逐条做结合实验测出亲和力，再把这些数值连同实验条件记录成表，进而生成一个完整的数据集。

与此同时，测试端的成本并不比合成低。以抗体亲和力检测的生物膜层干涉技术(BLI) 为例，单条样本上百元，上千条就是数十万元；传统细胞转化与表达一轮需一周左右，且高度依赖人工。

为此，涌源合生自建了快速蛋白质表征系统，省去了细胞培养、转化与克隆筛选等环节。“我们的方法下，大约2-4小时即可出结果，再接入自动化工作站，当前基线为每周可达2000余样本。”同期，涌源合生也在完善更高通量的表征平台，通过结合创新的表征技术与高通量测序技术，实现更大规模的抗体等生物数据的表征与分析。

杨宗颖提到，构建AI-ready的数据集，核心工作之一是补齐元数据。过去，科研人员只需记录抗体序列对应的亲和力数值，而训练AI必须完整记录实验执行人、实验时间、温度、pH、试剂批次等信息，才能帮助模型过滤噪声；另一方面，传统科研体系下研究人员基本只发表符合科学假设的正向结果，而AI训练需要正负样本同时具备，学习效率才能更高。“类比学生备考，只练习会做的题目提升有限，错题训练对能力提升帮助更大。”

据介绍，当前，涌源合生的数据集产品分通用和定制两种。通用数据集针对行业共性需求提前生产、货架式销售，例如围绕热门靶点预先测好一批抗体序列的亲和力，或为工业酶企业提供酶序列与功能数据。“这也是AI模型训练需求出现后，市场上需求量较大的两类数据。”

定制数据集则由客户带着具体问题而来。杨宗颖举例，公司曾与一家世界五百强企业合作 mRNA的UTR序列设计，UTR影响了mRNA在宿主体内的表达水平与稳定性。“我们合成多组DNA后继续做体外实验，支持了数百组序列与表达量配对数据的快速实现，后续实现了模型微调。”

商业化方面，涌源合生目前已经与部分试验性客户展开合作，涵盖科研单位、药企与大模型公司。“2027年，我们的营收预计将达到数千万元。”杨宗颖表示。

杨宗颖介绍，国内某头部AI模型公司是目前与公司合作较深入的客户之一，双方围绕抗体生成模型迭代展开合作，由合作方提供算力与算法，涌源合生提供数据铸造基础设施，打通从AI生成序列、实验验证到数据回流的闭环。